| | |
|---|
| | | 注：支持单条音频文件识别，也支持文件列表，列表为kaldi风格wav.scp：`wav_id wav_path` |
|---|
| | | |
|---|
| | | ### 非实时语音识别 |
|---|
| | | #### SenseVoice |
|---|
| | | ```python |
|---|
| | | from funasr import AutoModel |
|---|
| | | from funasr.utils.postprocess_utils import rich_transcription_postprocess |
|---|
| | | |
|---|
| | | model_dir = "iic/SenseVoiceSmall" |
|---|
| | | |
|---|
| | | model = AutoModel( |
|---|
| | | model=model_dir, |
|---|
| | | vad_model="fsmn-vad", |
|---|
| | | vad_kwargs={"max_single_segment_time": 30000}, |
|---|
| | | device="cuda:0", |
|---|
| | | ) |
|---|
| | | |
|---|
| | | # en |
|---|
| | | res = model.generate( |
|---|
| | | input=f"{model.model_path}/example/en.mp3", |
|---|
| | | cache={}, |
|---|
| | | language="auto", # "zn", "en", "yue", "ja", "ko", "nospeech" |
|---|
| | | use_itn=True, |
|---|
| | | batch_size_s=60, |
|---|
| | | merge_vad=True, # |
|---|
| | | merge_length_s=15, |
|---|
| | | ) |
|---|
| | | text = rich_transcription_postprocess(res[0]["text"]) |
|---|
| | | print(text) |
|---|
| | | ``` |
|---|
| | | 参数说明： |
|---|
| | | - `model_dir`：模型名称，或本地磁盘中的模型路径。 |
|---|
| | | - `vad_model`：表示开启VAD，VAD的作用是将长音频切割成短音频，此时推理耗时包括了VAD与SenseVoice总耗时，为链路耗时，如果需要单独测试SenseVoice模型耗时，可以关闭VAD模型。 |
|---|
| | | - `vad_kwargs`：表示VAD模型配置,`max_single_segment_time`: 表示`vad_model`最大切割音频时长, 单位是毫秒ms。 |
|---|
| | | - `use_itn`：输出结果中是否包含标点与逆文本正则化。 |
|---|
| | | - `batch_size_s` 表示采用动态batch，batch中总音频时长，单位为秒s。 |
|---|
| | | - `merge_vad`：是否将 vad 模型切割的短音频碎片合成，合并后长度为`merge_length_s`，单位为秒s。 |
|---|
| | | |
|---|
| | | #### Paraformer |
|---|
| | | ```python |
|---|
| | | from funasr import AutoModel |
|---|
| | | # paraformer-zh is a multi-functional asr model |
|---|
